O que GLM-5.3-Flash-J-Space-Capability-Realization-Report faz?
GLM-5.3-Flash × J-Space — relatório de realização de capacidades, com apresentação do benchmark do J-Space Cognition Suite
GLM-5.3-Flash × J-Space — relatório de realização de capacidades, com apresentação do benchmark do J-Space Cognition Suite
Esta skill documenta o relatório de realização de capacidades entre o modelo GLM-5.3-Flash e a plataforma J-Space. Ela apresenta os benchmarks do J-Space Cognition Suite, um conjunto de avaliações focadas na cognição de espaço e raciocínio espacial para agentes de IA. A skill é útil para desenvolvedores e pesquisadores que desejam entender o desempenho do GLM-5.3-Flash em tarefas espaciais avançadas, fornecendo métricas de comparação, resultados detalhados e análises de capacidade. Embora não seja específica de uma única plataforma, seu conteúdo se aplica a ambientes de desenvolvimento que utilizam modelos de linguagem de grande escala (LLMs) para raciocínio espacial, como agentes em simulações 3D, navegação ou planejamento espacial. O funcionamento se baseia na execução de testes padronizados do J-Space Cognition Suite, que avaliam habilidades como localização, rotação, e transformação de objetos em espaços virtuais, gerando um relatório de capacidades e limitações do modelo.
npx skills add Tiger3807861189/GLM-5.3-Flash-J-Space-Capability-Realization-ReportInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
GLM-5.3-Flash × J-Space — relatório de realização de capacidades, com apresentação do benchmark do J-Space Cognition Suite
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.